
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Waandishi: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Muhtasari Data kubwa ya usambazaji wa majengo yenye usahihi wa hali ya juu ni msingi muhimu kwa mipango ya miji ya kikanda na mgao wa rasilimali na utafiti wa hatari za majanga. Mfumo wa Milima wa Qinghai-Tibet ni nguzo ya tatu ya ulimwengu. Ingawa kuelewa mwingiliano wa mazingira ya binadamu wa ndani katika Mfumo wa Milima wa Qinghai-Tibet ni muhimu sana, hii imesababishwa na ukosefu wa data ya kina ya majengo ya azimio la juu kutokana na upana na ugeni wa eneo hilo. Katika utafiti huu, tulitengeneza picha za kwanza za paa za majengo za Mfumo wa Milima wa Qinghai-Tibet na maeneo yake yanayozunguka kwa kutumia picha za hali ya juu za Google na algorithm ya uchimbaji wa contour ya jengo la jukwaa la AI Earth. Matokeo yetu yanajumuisha majengo milioni 13.09 yanayojumuisha 6092.7 km2, iliyothibitishwa na sampuli 250 × 1 km2 za majaribio. Data ilikuwa na usahihi wa jumla wa 87%, ukumbusho wa 91.9%, na alama ya F1 ya 64.8%, na hivyo kutoa maelezo ya juu zaidi ya usambazaji wa jengo la eneo la utafiti ikilinganishwa na CBRA. Kazi yetu ina uwezo mkubwa katika kuwezesha tathmini ya mfiduo kwa masomo juu ya hatari za majanga katika eneo hili. Muhtasari wa Mandharinyuma Kuja kwa enzi ya kidijitali kumeongeza mahitaji ya data ya kuaminika kuhusu usambazaji na sifa za majengo , , . Data ya usambazaji wa majengo hutoa taarifa muhimu za anga sio tu za majengo bali pia za idadi ya watu na mali , ikitumika kama dalili nzuri ya shughuli za binadamu. Katika miongo kadhaa iliyopita, data ya usambazaji wa majengo imetumika sana katika ufuatiliaji wa maendeleo ya mijini na vijijini , , kuelewa athari za mijini kwenye usalama wa chakula, bayodiversity, mabadiliko ya tabia nchi, na ustawi na afya ya umma , , kuunda mikakati ya maendeleo ya kikanda, na kulinda mifumo ikolojia ya mijini na vijijini , , . 1 2 3 4 5 6 7 8 9 10 11 Mageuzi ya picha za setilaiti na za anga, pamoja na maendeleo ya hivi karibuni katika algorithms za kujifunza mashine na kina, yameongeza upatikanaji wa data ya usambazaji wa majengo , , . Data ya usambazaji wa majengo imetolewa katika umbizo la raster kama sehemu ya data ya matumizi ya ardhi/umbo la ardhi. Toleo la kisasa zaidi linajumuisha bidhaa tatu za matumizi ya ardhi/umbo la ardhi duniani kote kwa azimio la mita 10 kulingana na setilaiti za Sentinel, yaani Dynamic World (DW) ya Google , World Cover 2020 (WC) ya Shirika la Anga la Ulaya (ESA) , na Esri’s 2020 Land Cover . Mbali na taarifa za usambazaji wa anga, watafiti pia wanajaribu kuongeza taarifa za sifa kwenye pikseli za majengo, kama vile urefu wa jengo . Kwa mfano, He et al. walitumia data mbalimbali za hisia za mbali kuunda seti ya kwanza ya data ya upanuzi wa anga na muda wa miji duniani kwa azimio la mita 30 inayojumuisha kipindi cha kutoka 1990 hadi 2010. Licha ya maboresho yanayoendelea ya azimio la anga, data ya usambazaji wa majengo inayotegemea raster bado haiwezi kuelezea vitu vya anga , na kuongezeka kwa azimio huongeza gharama za hifadhi na kompyuta . 12 13 14 15 17 16 14 7 18 12 Data ya usambazaji wa majengo katika umbizo la vector, pia inajulikana kama paa za majengo za vectori au picha za majengo, ni data ya muhtasari wa jengo iliyotengwa kwenye ardhi kwa mtazamo wa juu , , ambayo hutoa taarifa kama vile eneo la kijiografia, kiwango cha anga cha mipaka, na picha ya jengo moja. Watoa huduma za umma (k.m., Google Earth na OpenStreetMap) hutoa data ya paa za majengo za vectori zilizofunguliwa kwa upana, masasisho ya haraka, na gharama nafuu , , . Mnamo 2022, Microsoft Corporation ilitumia mgawanyo wa maana unaotegemea mtandao wa kina kutoa muhtasari wa majengo milioni 777, baadhi yake yakiwa na taarifa za urefu wa jengo, kulingana na Bing Maps (pamoja na picha za Maxar na Airbus) kutoka 2014 hadi 2021 kwa kila bara isipokuwa China. Mnamo Mei 30, 2023, Google ilitoa seti ya data ya muhtasari wa majengo bilioni 1.8 iliyotolewa kutoka kwa picha za setilaiti zenye azimio la mita 0.5, ikijumuisha eneo la km2 milioni 58. Ukosefu mdogo wa kurudia na muundo wa compact wa data ya vectori inayowakilishwa na vertices na njia hutoa usahihi wa juu wa kijiografia huru kutoka kwa saizi ya mesh, na kuanzishwa kwa sheria za topografia huongeza zaidi uadilifu wa data ya vectori . 19 20 21 22 23 13 Kutokana na kuongezeka kwa azimio la picha na kupungua kwa gharama za upatikanaji wa data, pamoja na maendeleo ya hivi karibuni katika algorithms za uchimbaji, azimio na chanjo ya data ya usambazaji wa majengo inaendelea kuboreshwa . Uwezekano wa picha za azimio la juu sana (VHR) umewezesha uchimbaji wa picha za majengo kwa kutumia mbinu za jadi za vipengele vilivyochorwa na mikono  au mbinu zinazotegemea kina kirefu . Kama mbinu ya kwanza inakabiliwa na changamoto ya utofauti wa muonekano na saizi za majengo, na sheria tata za vidole gumba na mipangilio ya kizingiti, imewekwa kikomo wakati inapotumiwa kwa picha za hisia za mbali zenye azimio la juu na zenye kiwango kikubwa . Mbinu zinazotegemea kina kirefu (k.m., mitandao ya neural ya convolutional) zimeonyesha utendaji mzuri na bora katika kujifunza kiotomatiki vipengele vya kiwango cha juu na vya kutofautisha katika mgawanyo wa matukio ya jengo. Sun et al. walipendekeza mkakati wa muunganisho unaotegemea mashine za msaada sambamba ili kutumia kikamilifu vipengele vya kina vilivyotolewa kutoka kwa miundo ya mitandao ya neural ya convolutional ya kiwango mbalimbali kwa viwango tofauti, na utendaji bora katika kuchimba majengo magumu katika maeneo ya mijini. Hata hivyo, wakati wa kugawanya majengo, usahihi wa mfumo huenda ukapunguzwa na ubora wa sampuli za mafunzo, na kufanya ugumu wa upanuzi. Matumizi ya kutosha ya hisia za kiwango cha juu na kuachwa kwa maelezo ya kiwango cha chini katika mifumo ya kina, na kusababisha ukungu wa kingo na kuachwa kwa majengo madogo, pia huzuia matumizi ya kina kirefu katika uchimbaji wa picha za majengo. 24 25 13 26 27 Mkoa wa Milima ya Qinghai-Tibet ni eneo lililo juu zaidi duniani, na wastani wa urefu wa mita >4000 juu ya usawa wa bahari, na unachukua eneo la km2 milioni 2.5 . Zaidi ya watu milioni 10 wanaishi katika eneo hili licha ya hali yake mbaya ya hewa, baridi na baridi ndefu, tofauti kubwa za kila mwaka na za kila siku za joto, na mazingira duni ya ndani ya joto. Ingawa eneo hili ni kizuizi kikubwa zaidi cha kiikolojia nchini China , shughuli za binadamu zimeathiri sana mazingira yake maridadi . Eneo hili pia linakabiliwa na majanga mengi, na matetemeko ya ardhi, maporomoko ya ardhi, matope, mafuriko ya kutoka kwa maziwa ya barafu, na majanga ya theluji yakisababisha hasara ya vifo na mali , , . Kwa kujibu, data sahihi ya usambazaji wa majengo ni muhimu kwa kuunda usambazaji wa shughuli za binadamu kwa ajili ya utafiti wa mwingiliano kati ya binadamu na mazingira , , pamoja na uchambuzi wa mfiduo na hatari kwa majanga ya asili , . Kwa kuongeza, eneo hili lina saa nyingi za jua, rasilimali nyingi za nishati ya jua, na nyuso za kutosha za ukusanyaji wa nishati ya jua kama vile paa na maeneo ya wazi , . Data ya usambazaji wa majengo vijijini yenye azimio la juu inaweza kutoa hifadhi ya data ya kuaminika kwa kutathmini uwezo wa photovoltaic na kuboresha kwa ufanisi viwango vya maisha vya wanaoishi katika maeneo ya vijijini , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Kama eneo lisiloendelezwa, Mfumo wa Milima wa Qinghai-Tibet na maeneo yake jirani bado hawana seti kamili ya data ya paa za majengo za vectori zenye usahihi wa juu, kwa sababu ya eneo lao kubwa, usambazaji mdogo wa majengo, eneo la mbali, na vikwazo vya rasilimali. Data zilizo tayari zaidi kutumika ni zile zinazotolewa kwa kiwango cha kitaifa cha China, ambazo zinajumuisha data ya China Building Rooftop Area (CBRA) yenye gridi ya 2.5m (Liu et al., 2023b) na ramani ya kwanza ya kitaifa ya matumizi ya ardhi ya China yenye azimio la 1m (SinoLC) ambayo inajumuisha aina za majengo . Data hizi za raster haziwezi kuelezea vitu vya anga na zinahitaji rasilimali kubwa za hifadhi. Data ya eneo la paa za vectori kwa miji 90 mikuu nchini China iliyotolewa na Zhang et al. iliongeza sehemu hii ya pengo; hata hivyo, ni miji 14 tu katika Mfumo wa Milima wa Qinghai-Tibet ilijumuishwa katika seti hii ya data, na data ya paa za majengo za vectori bado haipo kwa eneo la km2 milioni 2. 42 13 Kwa hivyo, utafiti huu unalenga kutengeneza picha za paa za majengo za vectori za Mfumo wa Milima wa Qinghai-Tibet na mikoa yake jirani kwa kuunganisha picha za setilaiti zenye azimio la juu na algorithm ya kina kirefu. Seti yetu ya data ilithibitishwa kwa kutumia sampuli za majaribio zinazojumuisha gridi za 250 × 1 km2 katika maeneo mbalimbali, na kusababisha usahihi wa jumla wa 91.92% na alama ya F1 ya 64.81%. Mbinu Mfumo Katika utafiti huu, tulitumia algorithms za uchimbaji wa majengo kutoka kwa jukwaa la AI Earth kutengeneza seti ya data ya paa za majengo za vectori kwa ajili ya Mfumo wa Milima wa Qinghai-Tibet na mkoa wake jirani nchini China (Mchoro 1). Sehemu kuu za mfumo wetu zilijumuisha: (1) maandalizi na urekebishaji wa data ya setilaiti na data saidizi; (2) uchimbaji wa paa za majengo za vectori kwa kutumia jukwaa la AI Earth; (3) uthibitishaji kwa kutumia data ya paa za vectori zilizoandikwa na wanadamu.    Mfumo wa uchimbaji na uthibitishaji wa paa za majengo. Eneo la Utafiti Utafiti huu ulihusisha zaidi Mfumo wa Milima wa Qinghai-Tibet na mikoa yake jirani kusini magharibi mwa China chini ya mfumo mkuu wa Mpango wa Pili wa Utafiti na Safari ya Kisayansi ya Plateau ya Tibet ; kijiografia, unajumuisha Mkoa wa Tibet, Mikoa ya Qinghai, magharibi mwa Mkoa wa Yunnan, magharibi mwa Mkoa wa Sichuan, kusini magharibi mwa Mkoa wa Gansu, na kusini mwa Mkoa wa Xinjiang. Wastani wa urefu wa eneo la utafiti ni mita 4000 juu ya usawa wa bahari. Usambazaji wa idadi ya watu na majengo katika eneo la utafiti huathiriwa sana na urefu na hali ya hewa (Mchoro 2), hasa kujilimbikizia mashariki mwa mstari kutoka Kaunti ya Jilong huko Tibet hadi Kaunti ya Qilian huko Qinghai ; mashariki, zinasambazwa kwa wingi katika maeneo tambarare yaliyo kwenye ukingo wa mashariki wa eneo hilo, ikiwa ni pamoja na mabonde ya mito katika Mkoa wa Yunnan, magharibi mwa Mkoa wa Sichuan, na Bonde la Mto Manjano la Xining-Lanzhou. Katika uso wa tambarare magharibi mwa mstari, idadi ya watu na majengo huonekana zaidi katika maeneo ya kilimo-ufugaji pamoja na mabonde makuu ya mito, na pamoja na njia za usafiri wa barabara. 43 44    Eneo la utafiti (data ya idadi ya watu inatoka LandScan; DEM kutoka Kituo cha Data cha Rasilimali na Mazingira). Picha za Setilaiti Data ya picha za setilaiti za azimio la juu zilizofunguliwa kwa umma zilipatikana kutoka Rivermap Co. (http://www.rivermap.cn/index.html), ambazo zilipatikana kutoka kwa muunganisho wa picha za setilaiti na data ya anga ya Google Earth. Kati ya hizi, picha za setilaiti hutoka zaidi kwa setilaiti za kibiashara za DigitalGlobe's QuickBird na WorldView, na upigaji picha wa anga unatoka kwa BlueSky nchini Uingereza na Sanborn nchini Marekani . Kwa kila eneo, kulikuwa na makusanyo ya picha nyingi zenye azimio la hadi 0.15 m katika maeneo yaliyowekwa. Muunganisho kama huo wa data umetumika sana kwa utambuzi wa vitu katika matukio magumu , , ,  na ina uwezo wa ramani kubwa ya aina za vitu zenye azimio la juu . 45 46 47 48 49 50 Jumla ya eneo la eneo letu la utafiti ni km2 milioni 3.06, na saizi iliyokadiriwa ya data ya picha za setilaiti ni 29.4 TB, na azimio la anga la 0.6 m. Kwa kuzingatia kiwango hiki, samaki wa 0.175° × 0.175° waliundwa kwa ajili ya eneo letu la utafiti ili kuwezesha vifurushi vya ukubwa mdogo kwa ajili ya upakuaji, na jumla ya samaki 10,033 walitumika kufunika eneo lote la utafiti. Idadi halisi ya samaki waliopakuliwa ilikuwa ndogo zaidi ya 5921 kwa sababu mbili. Kwanza, kwa kuwa sehemu kubwa ya eneo la utafiti linajumuisha maeneo yasiyo ya makazi ya binadamu ambapo majengo hayapo, sisi kwa hiari tuliacha samaki bila pikseli za eneo lililojengwa kutoka kwa bidhaa ya ESA World Cover. Pili, miji/wilaya ambazo data ya paa za vectori (yaani, Lhasa, Shannan, Kunming, Xining, Haidong, Zhangye, Baiyin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Zhaotong, na Yuxi) zimepatikana katika data ya eneo la paa za vectori kwa miji 90 nchini China pia ziliachwa. Picha zilipakuliwa kati ya Septemba 2022 na Januari 2023, zenye azimio la 0.6 m, saizi ya fremu moja ya karibu. 3 GB, na jumla ya saizi ya 2.72 TB. Picha zilizopakuliwa zilitoka zaidi kati ya 2019 na 2021, lakini picha kutoka maeneo ya mbali zinaweza kuwa zimepigwa mapema kama 2001 (Mchoro 3). 13    Samaki kwa ajili ya kupakua picha na muda wa kupigwa kwa picha. Data Saidizi Data yetu saidizi ilijumuisha ramani za hali ya juu za matumizi ya ardhi, mfumo wa kidemografia wa dijiti (DEM), index ya tofauti ya mimea (NDVI), na data ya usambazaji wa idadi ya watu kwa ajili ya uchambuzi wa nguzo unaofuata kwa ajili ya sampuli (Jedwali 1). Kwa matumizi ya ardhi na eneo lililojengwa, bidhaa ya ESA's World Cover kutoka Zanaga et al. ilitolewa kutoka Zenodo (https://zenodo.org/records/5571936). Bidhaa hiyo ilitengenezwa kulingana na picha za setilaiti za Sentinel 1 na Sentinel 2 kwa mwaka mzima wa 2020 na sampuli ya maeneo 141,000 ya kipekee yaliyosambazwa duniani kote, iliyofunzwa kwa algorithm ya random forest, ili kuwakilisha hali ya ardhi duniani kote mwaka 2020; ina faida katika kuwakilisha vipengele vya mandhari ya kina (k.m., maeneo yaliyojengwa na mandhari ngumu za kilimo), kwani inazingatia kitengo cha chini cha ramani . Jamii ya "iliyojengwa" katika data inarejelea ardhi iliyofunikwa na majengo, barabara, na miundo mingine iliyofanywa na mwanadamu (k.m., reli) lakini haijumuishi maeneo ya kijani kibichi ya mijini (k.m., mbuga na vifaa vya michezo), amana za taka, na maeneo ya uchimbaji . 17 51 17 Data ya 1-km DEM na data ya NDVI ilipatikana kutoka Kituo cha Data cha Rasilimali na Mazingira, Taasisi ya Jiografia na Rasilimali, Chuo cha Sayansi cha China (https://www.resdc.cn/Default.aspx). Data ya DEM imefufuliwa kutoka kwa data ya hivi karibuni ya SRTM V4.1 (https://www.resdc.cn/data.aspx?DATAID=123), na data ya NDVI imejumuishwa kulingana na bidhaa za SPOT/VEGETATION PROBA-V 1-km (http://www.vito-eodata.be/). Tulichagua data ya NDVI ya 2021 ili kuwakilisha mimea kwenye Mfumo wa Milima wa Qinghai-Tibet (https://www.resdc.cn/DOI/DOI.aspx?DOIID=49). Data ya msongamano wa idadi ya watu ilipatikana kutoka kwa hifadhi ya data ya LandScan (https://landscan.ornl.gov/) kwa ajili ya uchambuzi wa takwimu muhimu duniani kote iliyotengenezwa na Maabara ya Kitaifa ya Oak Ridge ya Idara ya Nishati ya Marekani na kutolewa na East View Cartographic (https://geospatial.com/); data hizi zinatengenezwa kwa kuchanganya sayansi ya kijiografia, teknolojia ya hisia za mbali, na algorithms za kujifunza mashine, zikionyesha mojawapo ya hifadhi za data za uchambuzi wa takwimu za mienendo ya idadi ya watu duniani zenye usahihi na kuaminika zaidi kulingana na eneo la kijiografia, na azimio bora zaidi la kilomita 1 . Tulitumia usambazaji wa idadi ya watu mwaka 2021 kwa uchambuzi unaofuata wa nguzo. 52

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Sauti hii imetolewa katika lugha asilia ya hadithi!

AI Inatafsiri Majengo Milioni 13 Katika Mojawapo ya Mikoa ya Mbali Zaidi Duniani.

About Author

MAONI

HANG TAGS

MAKALA HII ILIWASILISHWA NDANI

Related Stories

Sweet Security Unveils First Unified Detection And Response Platform

Master Crypto Security: Your Complete Guide to Safe Wallet Management

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

A PENDENT WORLD

Sweet Security Unveils First Unified Detection And Response Platform

Master Crypto Security: Your Complete Guide to Safe Wallet Management

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

A PENDENT WORLD

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps